基于流量工程的最小干扰路由算法的改进

在研究多种流量工程动态路由算法的基础上，深入剖析了最小干扰路由算法并指出了该算法的不足，提出 了一种改进的最小干扰路由算法。改进算法的基本思想是在考虑不包括当前节点对和其他入口出口节点对的关 键链路和准关键链路的同时，综合考虑了当前节点对的△-关键链路，使网络中相应链路的重要程度以链路权值的 方式表现出来。仿真结果表明，改进算法在满足标记交换路径（LSP）请求的同时,提高了整个网络总的最大流，增 加了LSP请求接入的个数，进一步降低了LSP请求的拒绝率。     

新型最小干扰选路算法及仿真研究

以离线阶段+在线阶段为框架,提出了一种处理不同类型业务请求的最小干扰选路算法NMIRA.该算法的离线阶段通过对网络进行优化实现带宽预分配,为在线路由部分建立可选路径库;在线阶段利用最短最窄选路方法定位多条关键链路,根据链路上各业务类型的已用与可用带宽比值来计算链路权重,达到最小干扰目的的同时降低了算法的复杂度.通过对不同网络拓扑进行的仿真实验结果表明,该算法实现了在请求拒绝率和总的可用带宽等性能方面上的改进.     

基于流量特征的动态最小干扰流量工程选路算法

提出一种新的MPLS流量工程选路算法——P-DMIR算法.该算法分为离线和在线两个阶段.离线阶段确定每条链路的关键度,将网络流量特征信息引入链路关键度的计算,在时间复杂度不增加的前提下使离线阶段对信息的处理更加具体、丰富.在线动态路由选路部分,首先根据到达业务的类型计算链路代价函数系数,然后根据链路上可用带宽倒数与链路关键度来计算链路权重,在实现最小干扰目的的同时降低在线阶段算法的时间复杂度.采用链路关键度定期修正机制,以确保流量特征信息即时准确地反映在关键度的计算上.仿真结果表明,P-DMIR算法能够将流量合理分担到不同路径上,有效地避免了网络拥塞,并在拒绝率和网络吞吐量方面的性能优于传统算...     

基于流量工程的动态路由算法研究

针对NPLS网络提出一种保证带宽的动态路由算法,该算法综合考虑了链路关键度和链路饱和度指标,将流量工程优化目标转化为约束路由问题．实验仿真结果表明,该算法在优化网络资源分配上较传统方法具有更好的性能,同时也保证了业务流的服务质量．     

一种新的星座网络多业务类QoS路由算法

针对多媒体业务具有不同QoS要求的问题,提出了一种新的多业务类QoS星座网络路由算法,其目标是在保证高优先级业务性能的同时,提高低优先级业务的性能,从而高效利用网络整体资源.该算法以多种QoS要求和动态链路状态为依据,给出分类的链路代价.引入关键链路的概念,并将链路利用率、剩余带宽、期望负载结合起来定义分类的关键链路代价增量,尽可能减少业务类之间的影响,合理分配网络资源.通过VC和Matlab混合编程建立卫星网络和全球业务仿真环境,并对本文和其他三种路由算法进行仿真试验.结果表明,本文算法不仅保证了高优先级业务的平均路径时延、平均阻塞概率以及平均吞吐率,而且低优先级业务的以上性能具有显著提高,从而有效提高了网络负载均衡性和资源利用率.     

流量工程中一种权重配置动态路由选择算法

提出了一种MPLS(Multiprotocol Label Switching)网络中新的权重配置动态路由选择算法,该算法以跳数、带宽碎片要求及空闲带宽比率为权重,给到达流量合理分配带宽资源.在MPLS网络边缘实现路径选择后,使用MPLS显示路由技术即可摆脱中间结点路由算法的影响, 建立起满足各种业务QoS(Quality of Service)需求的LSP(Label Switched Path).仿真实验表明,该算法能够更好地进行流量均衡,减小网络拥塞;通过减小带宽碎片和提高带宽利用率更好地利用网络资源;同时通过改善丢包率等参数来实现一定的QoS保证.     

基于链路带宽的分布式存储系统框架及动态负载均衡技术

针对在节点间进行数据传输、备份等操作时,不同节点间链路带宽将限制分布式存储系统的性能的问题,借鉴软件定义网络及云存储技术的基本思想,通过对控制流与数据流的分离,提出了一种基于链路带宽的分布式存储系统框架及动态负载均衡技术.所提出框架中,在分布式数据节点之外引入一个中心控制节点,该节点掌握全局网络视图,全局网络视图中既包括数据存储表记录存储数据的分布,又包括当前链路带宽情况.在用户读取数据时,根据数据存储表确定需要的数据存放于哪些数据存储节点,指派相应的数据存储节点根据路由表发送数据包,并实时监测网络中的链路带宽负载情况,及时调整数据的传输路径.仿真验证所提架构和算法可以有效解决海量数据在不同位置的分配调度,以及缩短用户对大量数据提取的响应时间及提升存储速率等问题.      

基于最小干扰机制的MPLS流量工程动态路由算法

LSP的选路算法是MPLS流量工程中的核心问题。在研究了当前LSP最小干扰选路算法的基础上,提出了一种通过平衡链路上的LSP的数量来降低链路之间干扰的动态路由算法。该算法以链路剩余流量和该链路上经过的LSP的数量的函数作为链路关键度,在实现网络资源高效利用的同时降低了算法的计算复杂度。仿真结果表明,和现有的最小干扰算法相比,该算法具有更好的抗干扰性能。     

星座网络关键链路代价增量路由算法

全球通信业务量大且分布不均衡的客观因素,使得卫星网络资源利用率较低的问题日趋严重。为了解决这个问题,提出了一种面向星座网络的关键链路路由算法。该算法在业务统计模型下,以传播时延和当前链路负载状态为链路代价选出候选路径。在此基础上引入关键链路的概念并建立关键链路代价增量预测模型,最终从候选路径中选择代价增量最小的为最优路由。算法还采用拥塞控制策略发现拥塞,减轻拥塞链路的负载,选择重新设计部分业务的路由。实验结果表明,算法在平均路径阻塞概率、吞吐率、路径时延以及负载均衡方面均有较好的提升;在满足时延要求的前提下,能够有效地分配网络资源,提高网络利用率,是一种较好的卫星网络路由算法。     

链路优化时延约束组播路由的遗传算法

针对网络的瓶颈路径易造成网络拥塞的现象,分析了链路负载不平衡的原因,重新给出链路代价定义,提出一种遗传算法求解该类组播路由问题.算法从链路代价权值转化开始,以满意的时延树为遗传算法的初始解集,然后在交叉操作过程中不断地用低链路代价的边代替树中高链路代价的边,以求得满足链路代价最优的组播树.仿真结果表明,该算法在考虑网络的负载均衡情况下,选择链路代价较低的空闲路径,快速、有效地构建满足时延要求,链路代价最小的组播树.     

一种满足多服务质量约束的动态组播路由算法

建立了网络模型，描述、简化了研究的问题，并提出了一种新的满足多服务质量(QoS)约束的动态组播路由算法(DMRMQ)．该算法采用Bellman—Ford算法作为路径搜索算法，能在满足带宽、延迟、延迟抖动和丢包率约束的前提下确定具有最小跳数和开销的动态组播路由．仿真实验表明，在假定网络节点输出链路容量相等的情况下，与Greedy、LeastHop两种不考虑QoS的算法相比，DMRMQ能在满足多QoS约束的前提下建立动态组播路由，且路由请求平均成功率提高约10％，路由平均延迟降低约20％，路由平均跳数基本持平．     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

WDM疏导网络中的子通路保护算法

研究了WDM疏导网络的生存性问题,提出一种基于共享风险链路组(SRLG)限制的共享子通路保护算法·该算法将业务连接的工作通路分为互不重叠的等长子通路,分别找出它们SRLG分离的保护通路,并且允许共享保护资源·仿真研究表明:该算法既保证了业务连接的可靠性要求,同时又提高了全网资源利用率·另外,它允许网络管理者根据不同优化指标调整子通路的长度,从而可以在恢复时间和资源利用率之间进行折中·     

软件定义网络中基于优先级的在线流调度策略

为了保证服务质量(quality of service, QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking, SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming, MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm, OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。     

下一代互联网中的智能QoS组播路由算法

设计了一种下一代互联网中的智能QoS组播路由算法,给定一个QoS组播请求和柔性QoS需求,包括带宽需求、组播端到端延迟区间,延迟抖动区间和出错率区间,寻找一棵QoS组播路由树.提出一种基于演化算法和单纯形算法的混合算法来构造满足上述需求且费用近优QoS柔性组播路由树,兼顾网络负载均衡.仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法.     

MPLS网络中基于TeXCP的QoS路由算法

为了能在有严格带宽要求和有弹性带宽要求两种业务共存的MPLS（multi—protocol label switching）网络中提供动态负载均衡,提出了一种基于负载平衡算法——TeXCP（traffic engineering with explicit congestion control protocol）的QoS路由算法．该算法利用TeXCP的自动调节和平衡负载的能力将best effort业务调整到适当的路径上以满足高优先级QoS业务请求的带宽,同时避免了传统的快速重路由方法可能导致的网络拥塞问题．仿真结果表明,新算法能够集成两类业务需求,通过平衡瓶颈链路的利用率减小了网络的拥塞,在保证QoS业务带宽要求的同时,提高了网络的吞吐量．     

能量高效与移动预测的路由算法分析

传统的无线移动自组网路由协议无法实现能量均衡消耗,也不能很好的适应网络拓扑动态变化,为此提出了一种新的基于能量高效与移动预测的按需路由算法。该路由算法在路由发现时排除不稳定链路,让能量较多的节点优先参与路由请求分组的转发,同时通过预测链路连接时间采用主动式局部路由修复策略,在路径实际失效之前就完成修复工作。仿真实验表明,和传统的AODV协议相比,文中提出的算法在路由控制开销略有增加的情况下,提高了分组平均投递率,降低了数据分组端到端平均时延,同时能够实现网络中的能量高效,延长了网络寿命,因此具有较强的实用性。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network, VANET)中车辆信息传输性能不稳定的问题,提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度,通信半径,数据包大小分析当前道路的连通概率、传输时延以及分组投递率,并建立数学模型,评价当前传输道路的链路质量;引入局部链路质量(local link quality, LQ)和全局链路质量(global link quality, GQ)改进蚁群算法的路段选择公式,得到最优的信息传输路径。仿真结果表明,该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。